论文摘要
稳健参数设计已广泛地应用于产品或过程的优化设计中,有效地提高了产品质量,获得了巨大的经济效益。随着顾客对产品需求层次的变化,在产品或过程优化设计中往往需要考虑多个质量特性。因此,多响应的优化设计在持续性质量改进活动中显示出越来越重要的地位和作用。针对多响应的优化设计,目前仍然存在一些问题亟待解决。从当前文献看,一些研究者往往忽视多响应之间的相关性。近年来,随着研究的不断深入,相关多响应的优化设计已引起了一些研究者的广泛关注。在现代制造工业中,质量工程师经常需要同时优化多个响应。通常的方法是利用理想函数、加权信噪比、灰色关联分析以及加权主成分等技术将多响应转化为某个简化的综合性能指标,然后结合简化的综合性能指标利用某种优化方法获得可控因子的最佳参数值。然而,随着问题变得更为复杂,特别是涉及多响应之间的相关性、多目标之间的冲突性需要同时考虑的情形,一般的优化方法难以获得全局的优化结果。为此,本文提出一种新的整合方法以解决上述问题。首先,利用灰色关联分析与主成分分析获得灰色关联度;然后利用BP神经网络建立起可控因子与灰色关联度(GRG)之间的过程模型;最后,结合遗传算法良好的全局搜索能力与模式搜索优越的局部搜索能力,利用二者的混合函数方法获得可控因子在试验区域内的全局优化结果。本文以相关多响应的稳健参数设计为研究对象,以指标构建、过程建模和参数优化为研究手段,结合实际的工业实例验证了本文所提方法的有效性与优越性。主要的研究成果和结论如下:(1)本文所提方法具有更为广泛的适应性,同时考虑了多响应之间的相关性、多目标优化的冲突性以及全局优化结果的稳健性。(2)在主成分分析过程中,通常会面临两种不同的情形,即所需提取的成分数大于1或者等于1。为此,本文基于主成分分析方法与灰色关联分析技术构建了两种不同的度量方法,较为全面地分析了相关多响应的稳健性指标问题。(3)本文利用Taguchi的信噪比与灰色关联分析方法将不同类型的响应转化为一个望大特性的综合性能指标,即综合灰色关联度越大,多响应的综合性能就越接近理想状态。因此,该方法有效地解决了多响应在优化过程中的冲突性。(4)在优化阶段,本文有效地结合了遗传算法与模式搜索二者的优势,提出了基于遗传算法与模式搜索的多响应优化方法,不仅提高了全局优化的能力,而且保证了优化结果的稳健性。